Eine Zusammenarbeit von PTA und Statista
Diese Blogserie liefert aktuelle Zahlen, Trends und Prognosen zur Nutzung von AI-Technologien in Unternehmen. Mit faktenbasierten Erkenntnissen geben wir das ganze Jahr über fundierte Einblicke, um die neuesten Fortschritte im Bereich AI verständlich und greifbar zu machen. Die Serie entsteht in Kooperation mit Statista.
Historisch gewachsene IT bremst viele Unternehmen in Deutschland aus: Ein großer Teil betreibt weiterhin Mainframes (Großrechner für hochvolumige, geschäftskritische Transaktionen) und Midrange‑Systeme (z. B. IBM i/AS‑400 als proprietäre Serverplattformen) – mit spürbaren Kosten und Integrationshürden.1,2,3 Statt alte Systeme auszutauschen, setzt Agentic AI darauf, sie einzubetten. Wie eine Integrations- und Steuerschicht legt sie sich über die bestehende IT-Landschaft und führt alles zusammen.4,6
Unsere Umfrage zu Agentic AI zeigt, wo es konkret hakt: Sicherheit/Datenschutz (51 %), technische Hürden wie Datenintegration und Infrastruktur (50 %), Kosten (45,5 %) sowie Fachkräftemangel/Know‑how‑Lücken (38,5 %). Diese Befunde sind typisch für Brownfield‑IT: verteilte Daten, heterogene Schnittstellen, wenig Kapazität für Umbau.⁵
Genau hier kann Agentic AI ansetzen: Mit Retrieval-Augmented Generation (RAG) greifen KI-Agenten z. B. dynamisch auf interne Datenquellen zu, kombinieren Informationen aus Dokumenten, Datenbanken oder Logs und machen sie für Entscheidungen nutzbar.⁴ Multi-Agent-Orchestrierung ermöglicht, dass spezialisierte Agenten zusammenarbeiten – etwa für Datenabruf, Prüfung, Buchung oder Compliance. Sie lassen sich dabei mit bestehenden Automatisierungslösungen verknüpfen. Das Ergebnis: ein durchgängiger Prozess, der nachvollziehbar abläuft, protokolliert wird und klare Freigaben vorsieht.6,7
Wie funktioniert Agentic AI?
Computer‑Use‑Fähigkeiten schließen die Lücke wenn keine API existiert: Agents bedienen Desktop‑ und Web‑Oberflächen wie ein Mensch (klicken, tippen, Formulare ausfüllen) und erlauben so Zeit bei Routinetätigkeiten freizuräumen. Ideal für Legacy‑Software, die weiterlaufen muss.8,9
Legacy-Systeme werden Unternehmen noch lange begleiten – sie müssen aber kein Hindernis sein. Mit Agentic AI als Brückentechnologie lassen sich Prozesse integrieren, automatisieren und schrittweise modernisieren. Wer jetzt eine agentenfähige Integrationsschicht aufbaut, gewinnt Zeit, Qualität und Flexibilität für die nächsten Modernisierungsschritte.
¹ Bitkom Research (2025): Digitalisierung der Wirtschaft 2025 – Status, Hürden und Selbstbild der Unternehmen
² Computerwoche/CIO/CSO (2024): Legacy Modernisierung 2024 – 56 % nutzen noch Mainframes/Midrange; ein Drittel betreibt Legacy für kritische Aufgaben
³ Lünendonk & Hossenfelder (2025): IT Modernisierung zwischen Legacy, Cloud und KI – Prioritäten, Budgettrends und Treiber der Modernisierung
⁴ NVIDIA Developer (2025): Traditional RAG vs. Agentic RAG—Why AI Agents Need Dynamic Knowledge – RAG als Wissens /Integrationsschicht für Agenten
⁵ PTA/Statista Research (2025): Eigene Umfrage, n = 200 – Hürden bei der Einführung von Agentic AI (Sicherheit/Datenschutz, Integration, Kosten, Skills)
⁶ IBM watsonx Orchestrate: Multi Agent Orchestrierung – Agents kollaborieren, teilen Kontext und steuern Workflows
⁷ PTA Blogserie (2025): Agentic AI: Unternehmen aller Größenordnungen sehen hohes Potenzial – Einordnung in Strategie & Operative
⁸ Microsoft Copilot Studio Docs (2025): Computer Use – GUI Interaktion durch Computer Using Agents (Preview)
⁹ The Verge / Reuters (2024): Einführung von Computer Use und autonomen Copilot Agents für Unternehmens Workloads
